从大数据到好数据:缩小数据治理和业务洞察力之间的差距

发布时间:2019.01.14来源:亿信华辰浏览量:87次标签:数据治理

     

 随着数字淘金热的扩大,数据正成为人们关注的焦点,成为一种宝贵的信息来源。据估计,数字世界将至少每两年翻一番,到2020年将达到44千字节,比2010年增长50倍。数据湖的规模是惊人的,但百万美元的问题仍然存在;也就是说,如何从数据海啸中找到意义并加以利用。      

      几十年来,人们一直在观察被称为摩尔定律的现象,随着新技术(固态硬盘、软件定义存储、对象存储等)的出现以及存储行业的整合,价格螺旋以每年两位数的降幅向南发展。    

      在数字时代,数据存储的真正成本不再是购买硬件,而是努力管理数字资产所需的努力和知识。在许多行业和地区,由于对数据生命周期管理的要求越来越严格,针对特定国家的隐私法和加强了数据保留期的合规性法规,加密技术的利用率越来越高,这一点变得更具挑战性。尽管在大数据上的支出不断增加,技术公司仍在摸索。 

       尽管企业在收集、存储和管理数据上花费了大量资金,但在将原始数据转换为可操作信息方面,只有少数企业表现出色。就非结构化内容而言,这一点尤其正确,因为它仍然占公司所有数据的80%到90%。 

       Veritas最近的一份报告得出结论,目前全球企业存储和处理的所有数据中,52%被认为是“黑暗”数据,其价值未知。多达33%的数据被认为是多余的、过时的或微不足道的,甚至被认为是无用的。平均而言,只有15%的存储数据被认为是业务关键数据。除非企业采取纠正措施并更加体谅,估计到2020年,“数据囤积”文化将累积导致3.3万亿美元的可避免成本,用于管理数字公墓。 

云化:朋友还是敌人?

       鉴于激烈的价格战,特别是公共云领域的价格战,以及企业以每单位低成本存储大量数据的能力,许多企业都强烈希望利用IT并迅速将企业数据转换为云。虽然这样做有很多合理的理由,并且有大量的用例,但是应该彻底地做出接触数兆字节数据的决定。 

       首先,企业需要从内容类型、年龄、相关性等方面正确理解数据的构成,并对其进行分类。例如,将黑暗数据卸载到云中除了浪费时间和金钱外,什么都不是。此外,数据在转换重力时会展开重力,这只会使问题进一步远离。随着数字世界呈指数级扩张,如果不是真正的噩梦,那么将不断增长的数据产业转移回来至少将成为一项具有挑战性的任务。因此,企业在开始云计算之前应该仔细评估、可视化和分类数据。 

       处理结构化数据可能没什么大不了的,但是管理非结构化数据是一个比最初看起来更大的挑战。由于大部分数据都是非结构化的,因此在实施数据中心业务模型时,评估其价值并识别重复的、机密的和敏感的信息是关键组件。        

       无论是所有权与首席信息官(CIO)或专用首席数据官(CDO),数据和分析领导者应该密切合作,与他们的业务单位同行,并提出了一个数据治理框架,建立了基础,为所有使用情况。这通常包括如何对数据进行分类、捕获、精炼、分析、管理、货币化、保留和删除,同时考虑到合规性和可能适用的其他监管要求。       

       开发了能够使企业获得商业价值的专有算法的企业,应考虑申请专利以保护其知识产权。    

       尽管支出不断增加,但仍有许多基础工作必须完成。企业应避免陷入机会主义的“数据囤积”文化中,并意识到存在一个转折点,在这个转折点上,创建更大的数据仓库不一定会带来更大的回报,尤其是在记住有多少内容是“黑暗”或“古老”的情况下。事实上,结果在任何大数据分析项目中,只有利用数据的质量是一样好的。在很大程度上,这与将“好数据”与“大数据”分开的、实施良好的治理模型有关。  

       云化可以带来很大的经济意义和充足的用例,但是它需要有可靠的规划,以避免被引导到花园的道路上。

      虽然一开始可能被错误地认为是一项相当无聊的内务管理工作,但建立一个可靠的数据治理模型确实与精通数据的企业的成功紧密相关,并遵循两个与公司资产负债表直接相关的基本原则:获得战略洞察力以产生新的数据。Gital的收入流,并消除了管理大量无用数据的不必要成本。

(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 免费试用
相关文章推荐
  • 什么是自适应数据分析和数据治理?

    什么是自适应数据分析和数据治理?

    自适应数据和分析治理,这种方法可帮助企业保持相关性并响应组织内部和外部的快速变化的环境。在自适应数据和分析治理中,数据治理不仅仅是约束和……查看详情

    发布时间:2021.06.02来源:亿信华辰数据治理知识库浏览量:116次

  • 数据治理是否灵活?

    数据治理是否灵活?

    许多组织现在认识到数据治理的必要性,但仍在努力寻找正确的方法来构建它。一个好的方法是——敏捷!……查看详情

    发布时间:2019.01.11来源:亿信华辰浏览量:110次

  • 如何制定数据标准

    如何制定数据标准

    一般来说,对于政府,会有国家或地方政府发文的数据标准管理办法,其中会详细规定相关的数据标准。所以在此主要讲企业如何制定数据标准。……查看详情

    发布时间:2019.12.20来源:知乎浏览量:110次

  • 数据治理管理干货 | 数据质量管理的方法

    数据治理管理干货 | 数据质量管理的方法

    原始数据通常包含错误,如果不做数据质量管理,可能会导致错误的结果。数据质量管理是数据治理中获得正确上下文和结论的基本步骤。……查看详情

    发布时间:2021.06.22来源:亿信数据治理知识库浏览量:144次

  • 6个实施数据治理的最佳实践方法

    6个实施数据治理的最佳实践方法

    在寻找数据治理最佳实施方法时,您可以从已有的各种流程和模板工作的人那里学到很多东西。尽管每个企业都不同,您将需要根据流程调整数据治理实践……查看详情

    发布时间:2021.07.28来源:亿信数据治理知识库浏览量:184次

  • 深入浅出元数据及元数据管理

    深入浅出元数据及元数据管理

    大数据时代下,数据已被公认为一项重要的资产。而元数据管理作为数据管理框架中一项重要的管理职能,也越来越多的出现在大家的视野中。但是对于元……查看详情

    发布时间:2019.10.24来源:亿信华辰浏览量:99次

  • 消费者而非公司是数据治理的优先事项

    消费者而非公司是数据治理的优先事项

    这将是一条漫长的道路,正在努力解决重大问题。但是,对于澳大利亚来说,提供符合社区价值观的创新和包容性增长,我们应该为后代开始实施一个强有……查看详情

    发布时间:2019.03.07来源:亿信华辰浏览量:108次

  • 数据科学的下一个「超能力」:模型可解释性

    数据科学的下一个「超能力」:模型可解释性

    很多人重视重视模型的预测能力,却忽略了模型可解释性的重要性,只知其然而不知其所以然。为什么说模型的可解释性这么重要呢?作者就 5 个方面……查看详情

    发布时间:2019.03.28来源:亿信华辰浏览量:117次

  • 数据治理管理措施

    数据治理管理措施

    提高全面思想认识 毋庸置疑,数据是企业的宝贵资产,各企业已经意识到数据质量的重要性,但是并没有将数据治理提到战略高度,信息化建设的重点……查看详情

    发布时间:2020.10.21来源:知乎浏览量:100次

  • 数据治理有助于为分析构建坚实的基础

    数据治理有助于为分析构建坚实的基础

    如果您的业务很多,那么它就会大量投资于分析。我们生活在一个数据驱动的世界里。数据推动了我们从零售商处获得的建议,我们从杂货店获得的优惠券……查看详情

    发布时间:2019.01.23来源:亿信华辰浏览量:144次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议